数据可视化——折线图、地图、动态柱状图案例

朂後哋箹萣

已于 2022-08-11 23:07:25 修改

阅读量3.2k

点赞数 3

分类专栏： python 文章标签： python pycharm

于 2022-08-11 19:39:57 首次发布

本文链接：https://blog.csdn.net/z1171127310/article/details/126283817

版权

python 专栏收录该内容

10 篇文章 5 订阅

订阅专栏

前提：

如果想要做出数据可视化效果图, 可以借助pyecharts模块来完成。

安装pyecharts模块步骤：

1.在pycharm编辑器中按照如图步骤进行操作。

2.在Options中输入-i https://pypi.tuna.tsinghua.edu.cn/simple可以提高模块下载的速度。

安装模块完成。

一、折线图可视化案例

1.在F:\Python系统学习\Python入门到精通\资料\资料\可视化案例数据\折线图数据目录下有三个txt文件，是本次折线图可视化案例的数据。

2.在文本数据中下图中红框中的数据去掉即为json格式的数据，我们可是使用懒人工具-json在线解析-在线JSON格式化工具-json校验-程序员必备进行格式化方便查看。

转换好的视图如下图所示：

3.在pycharm编辑其中输入如下代码：

import json
from pyecharts.charts import Line
from pyecharts.options import TitleOpts, LabelOpts, ToolboxOpts

# 处理数据
f_us = open("F:\Python系统学习\Python入门到精通\资料\资料\可视化案例数据\折线图数据\美国.txt","r",encoding="UTF-8")
us_data = f_us.read()    #美国数据

f_jp = open("F:\Python系统学习\Python入门到精通\资料\资料\可视化案例数据\折线图数据\日本.txt","r",encoding="UTF-8")
jp_data = f_jp.read()    #日本数据

f_in = open("F:\Python系统学习\Python入门到精通\资料\资料\可视化案例数据\折线图数据\印度.txt","r",encoding="UTF-8")
in_data = f_in.read()    #印度数据

# 去掉不合json规范的开头
us_data = us_data.replace("jsonp_1629344292311_69436(","")
jp_data = jp_data.replace("jsonp_1629350871167_29498(","")
in_data = in_data.replace("jsonp_1629350745930_63180(","")

# 去掉不合json规范的结尾
us_data = us_data[:-2]
jp_data = jp_data[:-2]
in_data = in_data[:-2]

# json转python字典
us_dict = json.loads(us_data)
jp_dict = json.loads(jp_data)
in_dict = json.loads(in_data)

# 获取trend key
us_trend_data = us_dict['data'][0]['trend']
jp_trend_data = jp_dict['data'][0]['trend']
in_trend_data = in_dict['data'][0]['trend']

# 获取日期数据，用于x轴，取2020年（到314下标结束）
us_x_data = us_trend_data['updateDate'][:314]
jp_x_data = jp_trend_data['updateDate'][:314]
in_x_data = in_trend_data['updateDate'][:314]

# 获取确认数据，用于y轴，取2020年（到314下标结束）
us_y_data = us_trend_data['list'][0]['data'][:314]
jp_y_data = jp_trend_data['list'][0]['data'][:314]
in_y_data = in_trend_data['list'][0]['data'][:314]

# 生成图标
line = Line()   #构建折线图对象

#  添加x轴数据
line.add_xaxis(us_x_data)  #轴是公用的，所以使用一个国家的即可

# 添加y轴数据
line.add_yaxis("美国确诊人数",us_y_data,label_opts=LabelOpts(is_show=False))  #添加美国的y轴数据
line.add_yaxis("日本确诊人数",jp_y_data,label_opts=LabelOpts(is_show=False))  #添加日本的y轴数据
line.add_yaxis("印度确诊人数",in_y_data,label_opts=LabelOpts(is_show=False))  #添加印度的y轴数据

# 设置全局选项
line.set_global_opts(
    # 标题设置
    title_opts=TitleOpts(title="2020年美日印三国确证人数对比折线图",pos_left="center",pos_bottom="1%"),
    toolbox_opts=ToolboxOpts(is_show=True)
)

# 调用render方法，生成图表
line.render()

# 关闭文件
f_us.close()
f_jp.close()
f_in.close()

4.运行项目后，项目目录中就会生成render.html文件，使用浏览器打开就可以看到折线图的效果了。

二、地图可视化案例

本次案例的数据在 F:\Python系统学习\Python入门到精通\资料\资料\可视化案例数据\地图数据目录下的疫情.txt文件中。

格式化json数据

1.全国疫情地图

在pycharm编写代码

import json
from pyecharts.charts import Map
from pyecharts.options import *

# 读取数据文件
f = open("F:\Python系统学习\Python入门到精通\资料\资料\可视化案例数据\地图数据\疫情.txt","r",encoding="UTF-8")
data = f.read()     #全部的数据

# 关闭文件
f.close()

# 取到各省数据
# 将字符串json转换为python的字典
data_dict = json.loads(data)        #基础数据字典

# 从字典中取出省份的数据
province_data_list = data_dict["areaTree"][0]["children"]

# 组装每个省份和确诊人数为元祖，并各个省的数据都分装入列表中
data_list = [] #绘图需要用的数据列表
for province_data in province_data_list:
    province_name = province_data["name"]           #省份名称
    province_confirm = province_data["total"]["confirm"]    #确诊人数
    data_list.append((province_name,province_confirm))

# 创建地图对象
map = Map()

# 添加数据
map.add("各省份确诊人数",data_list,"china")

# 设置全局配置，定制分段的视觉映射
map.set_global_opts(
    title_opts = TitleOpts(title="全国疫情地图"),
    visualmap_opts = VisualMapOpts(
        is_show=True,   #是否显示
        is_piecewise=True,   #  是否分段
        pieces=[
            {"min":1,"max":99,"label":"1-99人","color":"#CCFFFF"},
            {"min":100,"max":999,"label":"100-999人","color":"#FFFF99"},
            {"min":1000,"max":4999,"label":"1000-4999人","color":"#FF9966"},
            {"min":5000,"max":9999,"label":"5000-9999人","color":"#FF6666"},
            {"min":10000,"max":99999,"label":"10000-99999人","color":"#CC3333"},
            {"min":100000,"label":"100000人以上","color":"#990033"},
        ]
    )
)

# 绘图
map.render("全国疫情地图.html")

用浏览器打开项目中生成的全国疫情地图.html文件

2.山西省疫情地图

在pycharm编写代码

import json
from pyecharts.charts import Map
from pyecharts.options import *

# 读取文件
f = open("F:\Python系统学习\Python入门到精通\资料\资料\可视化案例数据\地图数据\疫情.txt","r",encoding="UTF-8")
data = f.read()

# 关闭文件
f.close()

# 获取山西省数据
#将json数据转化为python字典
data_dict = json.loads(data)
# 取到山西省数据
cities_data = data_dict["areaTree"][0]["children"][21]["children"]

# 准备数据为元祖并且放入list
data_list = []
for city_data in cities_data:
    city_name = city_data["name"] + "市"
    city_confirm = city_data["total"]["confirm"]
    data_list.append((city_name,city_confirm))

# 构建地图
map = Map()
map.add("山西省疫情分布",data_list,"山西")

# 设置全局选项
map.set_global_opts(
    title_opts = TitleOpts(title="山西省疫情地图"),
    visualmap_opts = VisualMapOpts(
        is_show=True,   #是否显示
        is_piecewise=True,   #  是否分段
        pieces=[
            {"min":1,"max":99,"label":"1-99人","color":"#CCFFFF"},
            {"min":100,"max":999,"label":"100-999人","color":"#FFFF99"},
            {"min":1000,"max":4999,"label":"1000-4999人","color":"#FF9966"},
            {"min":5000,"max":9999,"label":"5000-9999人","color":"#FF6666"},
            {"min":10000,"max":99999,"label":"10000-99999人","color":"#CC3333"},
            {"min":100000,"label":"100000人以上","color":"#990033"},
        ]
    )
)

# 绘图
map.render("山西省疫情地图.html")

用浏览器打开项目中生成的山西省疫情地图.html文件

三、动态柱状图可视化案例

本次案例的数据在 F:\Python系统学习\Python入门到精通\资料\资料\可视化案例数据\动态柱状图数据\全球GDP数据.csv文件中。

在pycharm编写代码

from pyecharts.charts import Bar , Timeline
from pyecharts.options import *
from pyecharts.globals import ThemeType

# 读取数据
f = open("F:\Python系统学习\Python入门到精通\资料\资料\可视化案例数据\动态柱状图数据\全球GDP数据.csv","r",encoding="GB2312")
data_lines = f.readlines()

# 关闭文件
f.close()

# 删除第一条数据
data_lines.pop(0)

# 将数据转为字典存储，格式为
# { 年份: [ [国家, gdp], [国家,gdp], ......  ], 年份: [ [国家, gdp], [国家,gdp], ......  ], ...... }
# { 1960: [ [美国, 123], [中国,321], ......  ], 1961: [ [美国, 123], [中国,321], ......  ], ...... }
# 先定义字典对象
data_dict = {}
for line in data_lines:
    year = int(line.split(",")[0])  #年份
    country = line.split(",")[1]    #国家
    gdp = float(line.split(",")[2]) #GDP

    try:
        data_dict[year].append([country,gdp])
    except KeyError:
        data_dict[year] = []
        data_dict[year].append([country, gdp])

# 创建时间对象
timeline = Timeline({"theme": ThemeType.LIGHT})

# 排序年份
sorted_year_list = sorted(data_dict.keys())
for year in sorted_year_list:
    data_dict[year].sort(key = lambda element : element[1],reverse=True)
    # 取出本年份前8的国家
    year_data = data_dict[year][0:8]
    x_data = []
    y_data = []
    for country_gdp in year_data:
        x_data.append(country_gdp[0])   # x轴添加国家
        y_data.append(country_gdp[1] / 100000000)   # y轴添加gdp数据

    # 构建柱状图对象
    bar = Bar()
    x_data.reverse()
    y_data.reverse()
    bar.add_xaxis(x_data)
    bar.add_yaxis("GDP（亿）",y_data, label_opts=LabelOpts(position="right"))

    # 反转x轴和y轴
    bar.reversal_axis()

    # 设置每一年图表的标题
    bar.set_global_opts(
        title_opts=TitleOpts(title=f"{year}全球前八GDP数据")
    )

    timeline.add(bar,str(year))

# for循环每一年的数据，基于每一年的数据，创建每一年的bar对象
# 在for中，将每一年的bar对象添加到时间线中

# 设置时间线自动播放
timeline.add_schema(
    play_interval=1000,
    is_timeline_show=True,
    is_auto_play=True,
    is_loop_play=False
)

# 绘图
timeline.render("1960-2019全球GDP前八国家.html")

用浏览器打开项目中生成的1960-2019全球GDP前八国家.html文件